已验证65% 置信事实精确时间

Rerank是在TopK初步检索后，用一个精排模型对候选片段重新打分排序，以提升送入大模型的上下文质量

3

来源数

65%

置信度

长期有效

时效性

2026/9/28

首次发现

来源

从零转行大模型应用开发：五阶段学习路径全解析

涉及实体

相关事实

已验证重排（Rerank）是对检索结果进行二次排序以提升相关性的步骤79% 相似待验证排序模型在初步召回的结果基础上进行精细排序，把最相关的内容推到前面74% 相似待验证ReRankEval 项目采用 prompt 驱动的 LLM 重排序器，让大模型直接判断每个候选文档与问题的相关程度并重新排序74% 相似已验证Rerank（重排序）使用Cross-Encoder模型对Top-K召回的候选片段重新打分排序，精度远高于Bi-Encoder74% 相似待验证重掩码采样器在每一步根据模型预测优先确认置信度高的位置，再把剩余位置重新掩码73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/956747

API

curl https://kongchang.com/api/v1/knowledge/claims/956747

MCP

get_claim(id=956747)